[논문 리뷰] The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients

Bhakti Baheti, Satrajit Chakrabarty외 71명|arXiv (Cornell University)|2021. 12. 13.

Medical Image Segmentation Techniques인용 수 27

한 줄 요약

이 논문은 BraTS-Reg를 소개합니다. 이는 확산성 교모세포종에서 수술 전 MRI와 추적 MRI 간의 변형 가능 등록을 위한 공개 벤치마크와 챌린지이며, 다기관 데이터셋, 핵심 지점 주석, 표준화된 평가 지표를 제공합니다.

ABSTRACT

Registration of longitudinal brain MRI scans containing pathologies is challenging due to dramatic changes in tissue appearance. Although there has been progress in developing general-purpose medical image registration techniques, they have not yet attained the requisite precision and reliability for this task, highlighting its inherent complexity. Here we describe the Brain Tumor Sequence Registration (BraTS-Reg) challenge, as the first public benchmark environment for deformable registration algorithms focusing on estimating correspondences between pre-operative and follow-up scans of the same patient diagnosed with a diffuse brain glioma. The BraTS-Reg data comprise de-identified multi-institutional multi-parametric MRI (mpMRI) scans, curated for size and resolution according to a canonical anatomical template, and divided into training, validation, and testing sets. Clinical experts annotated ground truth (GT) landmark points of anatomical locations distinct across the temporal domain. Quantitative evaluation and ranking were based on the Median Euclidean Error (MEE), Robustness, and the determinant of the Jacobian of the displacement field. The top-ranked methodologies yielded similar performance across all evaluation metrics and shared several methodological commonalities, including pre-alignment, deep neural networks, inverse consistency analysis, and test-time instance optimization per-case basis as a post-processing step. The top-ranked method attained the MEE at or below that of the inter-rater variability for approximately 60% of the evaluated landmarks, underscoring the scope for further accuracy and robustness improvements, especially relative to human experts. The aim of BraTS-Reg is to continue to serve as an active resource for research, with the data and online evaluation tools accessible at https://bratsreg.github.io/.

연구 동기 및 목표

• 확산성 교모종으로 인한 질량 효과와 조직 변화로 인해 전장 뇌 MRI를 종적 등록하는 데 따른 도전을 동기 부여하고 해결합니다.
• 변형 가능 등록 연구를 위한 표준화된 전처리와 다기관 데이터셋을 공개합니다.
• 참조 지점(ground-truth landmarks)과 컨테이너화된 평가 프레임워크를 정의하고 구현하여 등록 알고리즘을 벤치마크합니다.
• 고정된 평가 플랫폼과 명확한 제출 프로토콜을 사용함으로써 재현성과 공정한 비교를 촉진합니다.

제안 방법

• 여러 기관에서 수집된 250쌍의 수술 전 및 후 mpMRI 스캔을 공통 템플릿(SRI24)으로 1mm3 해상도로 전처리 및 구성합니다.
• 종양 부위 30mm 이내 및 그 이상 영역에서 기준선과 추적 스캔의 대응 랜드마크를 전문가가 주석하고, 제2의 전문가가 평가자 간 변이성을 평가합니다.
• 학습 데이터에는 기준선 및 추적 랜드마크 좌표와 추적 랜드마크를 제공하고, 검증/시험 데이터에는 평가를 위한 추적 랜드마크만 제공합니다.
• 골인-참조 랜드마크를 통해 진정한 등록(ground-truth registrations)을 얻고, MAE, Robustness, Jacobian determinant 정규성 등의 지표를 사용해 알고리즘을 평가합니다.
• 참가자는 자동화된 컨테이너화 방법(Docker/Singularity 등)을 제출하여 숨겨진 테스트 데이터에서 평가받습니다.

실험 결과

연구 질문

• RQ1 전장 뇌 MRI에서 수술 전과 후의 변형 가능 등록을 다기관 간에 어떻게 신뢰할 수 있게 확립할 수 있을까요?
• RQ2 표준화된 전처리 파이프라인을 사용할 때 대형 종양 유발 변형 및 수술 후 변화가 등록 정확도에 미치는 영향은 무엇인가요?
• RQ3 랜드마크 기반의 MAE, Robustness, Jacobian 기반의 매끄럽움이 다기관 환경에서 등록 알고리즘의 순위를 충분히 구분할 수 있나요?
• RQ4 컨테이너화된 재현 가능한 평가 프레임워크가 등록 방법의 공정한 비교와 일반화를 보장하나요?

주요 결과

• BraTS-Reg 데이터세트는 다중 파라메트릭 MRI와 공통 템플릿으로의 표준화된 전처리를 갖춘 250명의 환자 페어로 구성됩니다.
• 케이스당 6–50개의 랜드마크와 평가자 간 변이성 평가가 포함된 랜드마크 기반의 기준 진실 프레임워크가 확립되었습니다.
• 평가 프로토콜은 등록 품질의 핵심 정량 지표로 MAE, Robustness, Jacobian 기반 매끄럽춤을 정의합니다.
• 학습 데이터는 기준선 및 추적 랜드마크 좌표를 모두 제공하고, 검증 데이터는 평가를 위한 추적 랜드마크만 제공하며, 테스트 데이터는 컨테이너화 제출 평가를 위해 비공개로 보유합니다.
• 기저선 성능은 변형 가능한 방법을 맥락화하기 위해 아핀 등록을 통해 제공됩니다.
• 챌린지는 컨테이너화된 제출과 공정한 비교를 위한 중앙 평가 플랫폼(IPP)을 통해 재현성을 강조합니다.